CN115631529B - 人脸特征隐私保护方法、人脸识别方法及装置 - Google Patents

人脸特征隐私保护方法、人脸识别方法及装置 Download PDF

Info

Publication number
CN115631529B
CN115631529B CN202211618798.7A CN202211618798A CN115631529B CN 115631529 B CN115631529 B CN 115631529B CN 202211618798 A CN202211618798 A CN 202211618798A CN 115631529 B CN115631529 B CN 115631529B
Authority
CN
China
Prior art keywords
server
target
face feature
secrets
target user
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202211618798.7A
Other languages
English (en)
Other versions
CN115631529A (zh
Inventor
陈艳晶
陆阳
王�琦
柯琪瑞
涂锟
张曙光
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengfang Financial Technology Co ltd
Original Assignee
Chengfang Financial Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chengfang Financial Technology Co ltd filed Critical Chengfang Financial Technology Co ltd
Priority to CN202211618798.7A priority Critical patent/CN115631529B/zh
Publication of CN115631529A publication Critical patent/CN115631529A/zh
Application granted granted Critical
Publication of CN115631529B publication Critical patent/CN115631529B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Bioethics (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明涉及隐私保护技术领域，提供一种人脸特征隐私保护方法、人脸识别方法及装置，人脸特征隐私保护方法应用于客户端所属的目标服务器，首先接收客户端发送的目标用户的预设数量份人脸特征子秘密；然后将目标用户的预设数量份人脸特征子秘密分发至目标服务器所属的目标区域内与目标服务器距离近的近邻服务器集合进行存储。该方法只需要将目标用户的预设数量份人脸特征子秘密分发至与目标服务器距离近的近邻服务器集合进行存储，并不需要利用目标区域内的所有服务器进行存储，如此不仅可以大大节约服务器存储资源，还可以避免目标用户的一份人脸特征被分为多个子秘密造成过量的数据冗余，也可以降低客户端的计算压力。

Description

人脸特征隐私保护方法、人脸识别方法及装置
技术领域
本发明涉及隐私保护技术领域，尤其涉及一种人脸特征隐私保护方法、人脸识别方法及装置。
背景技术
人脸识别在金融领域具有广泛的应用，可用于开户、卡激活、转账等多种身份二次验证场景，能提升金融机构的业务效率和客户的服务体验。但人脸数据因其唯一性、可分辨性等又极其敏感，如何安全地进行采集、传输和存储等是人脸识别技术面临的一项巨大挑战。
随着多方安全计算等隐私计算技术的发展，基于秘密共享的多方安全计算方案为人脸数据的隐私保护带来了新的解决方案。但随着参与方的增多，将人脸数据进行秘密共享后的子秘密存储在所有参与方，一方面会导致一份数据拆分为过多子秘密，造成过量数据冗余，另一方面需要获取较多参与方的子秘密才能恢复数据，会带来一定的计算压力。
发明内容
本发明提供一种人脸特征隐私保护方法、人脸识别方法及装置，用以解决现有技术中存在的缺陷。
本发明提供一种人脸特征隐私保护方法，应用于客户端所属的目标服务器，包括：
接收所述客户端发送的目标用户的预设数量份人脸特征子秘密；
将所述目标用户的预设数量份人脸特征子秘密分发至所述目标服务器所属的目标区域内与所述目标服务器距离近的近邻服务器集合进行存储；
其中，所述近邻服务器集合包括所述目标区域内与所述目标服务器距离近的所述预设数量个近邻服务器；所述目标服务器与所述目标区域内任一服务器之间的距离基于所述任一服务器的计算特征以及所述目标服务器与所述任一服务器之间的传输特征确定，所述计算特征为影响服务器计算时长的特征，所述传输特征为影响网络传输时长的特征。
根据本发明提供的一种人脸特征隐私保护方法，所述将所述目标用户的预设数量份人脸特征子秘密分发至所述目标服务器所属的目标区域内与所述目标服务器距离近的近邻服务器集合进行存储，之后包括：
周期性地执行如下步骤：
对所述近邻服务器集合进行更新，并基于更新后的近邻服务器集合中存储的所述目标用户的人脸特征子秘密的份数，对所述目标用户的预设数量份人脸特征子秘密进行存储。
根据本发明提供的一种人脸特征隐私保护方法，所述对所述近邻服务器集合进行更新，并基于更新后的近邻服务器集合中存储的所述目标用户的人脸特征子秘密的份数，对所述目标用户的预设数量份人脸特征子秘密进行存储，具体包括：
对于当前周期，对上一周期的近邻服务器集合进行更新，确定当前近邻服务器集合；
若所述当前近邻服务器集合与当前存储有所述目标用户的预设数量份人脸特征子秘密的参考服务器集合不同，且所述当前近邻服务器集合中存储的所述目标用户的人脸特征子秘密的份数小于目标数量，则确定所述当前近邻服务器集合与所述参考服务器集合的第一差集以及所述参考服务器集合与所述当前近邻服务器集合的第二差集；
基于所述第二差集中各服务器到所述第一差集中各服务器之间的距离，确定所述第一差集中各服务器与所述第二差集中各服务器之间的迁移对应关系；
基于所述迁移对应关系，将所述第二差集中存储的人脸特征子秘密迁移至所述第一差集中。
根据本发明提供的一种人脸特征隐私保护方法，所述将所述目标用户的预设数量份人脸特征子秘密分发至所述目标服务器所属的目标区域内与所述目标服务器距离近的近邻服务器集合进行存储，之后还包括：
记录所述目标用户的预设数量份人脸特征子秘密的存储位置信息；
相应地，所述基于所述迁移对应关系，将所述第二差集中存储的人脸特征子秘密迁移至所述第一差集中，包括：
基于所述迁移对应关系，将所述第二差集中存储的所述目标用户的人脸特征子秘密复制到所述第一差集中；
对所述目标用户的预设数量份人脸特征子秘密的存储位置信息进行更新；
删除所述第二差集中存储的所述目标用户的人脸特征子秘密。
根据本发明提供的一种人脸特征隐私保护方法，所述目标服务器与所述目标区域内的任一服务器之间的距离基于如下步骤确定：
将所述任一服务器的计算特征以及所述目标服务器与所述任一服务器之间的传输特征分别进行量化；
对量化后的计算特征以及量化后的传输特征进行加权求和，得到所述目标服务器与所述任一服务器之间的距离。
本发明还提供一种人脸识别方法，应用于客户端，包括：
采集目标用户的待识别人脸特征，并向所属的目标服务器发送特征查询请求；
接收所述目标服务器返回的所述目标用户的目标数量份人脸特征子秘密，并基于所述目标用户的目标数量份人脸特征子秘密，得到所述目标用户的基准人脸特征；
基于所述待识别人脸特征与所述基准人脸特征，确定所述待识别人脸特征的识别结果。
根据本发明提供的一种人脸识别方法，所述采集目标用户的待识别人脸特征，之前包括：
采集所述目标用户的基准人脸特征；
将所述基准人脸特征分为预设数量份人脸特征子秘密，并将所述目标用户的预设数量份人脸特征子秘密发送至所述目标服务器。
本发明还提供一种人脸特征隐私保护装置，应用于客户端所属的目标服务器，包括：
第一接收模块，用于接收所述客户端发送的目标用户的预设数量份人脸特征子秘密；
分发模块，用于将所述目标用户的预设数量份人脸特征子秘密分发至所述目标服务器所属的目标区域内与所述目标服务器距离近的近邻服务器集合进行存储；
其中，所述近邻服务器集合包括所述目标区域内与所述目标服务器距离近的所述预设数量个近邻服务器；所述目标服务器与所述目标区域内任一服务器之间的距离基于所述任一服务器的计算特征以及所述目标服务器与所述任一服务器之间的传输特征确定，所述计算特征为影响服务器计算时长的特征，所述传输特征为影响网络传输时长的特征。
本发明还提供一种人脸识别装置，应用于客户端，包括：
采集模块，用于采集目标用户的待识别人脸特征，并向所属的目标服务器发送特征查询请求；
第二接收模块，用于接收所述目标服务器返回的所述目标用户的目标数量份人脸特征子秘密，并基于所述目标用户的目标数量份人脸特征子秘密，得到所述目标用户的基准人脸特征；
识别模块，用于基于所述待识别人脸特征与所述基准人脸特征，确定所述目标用户的识别结果。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述的人脸特征隐私保护方法或人脸识别方法。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述的人脸特征隐私保护方法或人脸识别方法。
本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述的人脸特征隐私保护方法或人脸识别方法。
本发明提供的人脸特征隐私保护方法、人脸识别方法及装置，人脸特征隐私保护方法应用于客户端所属的目标服务器，首先接收客户端发送的目标用户的预设数量份人脸特征子秘密；然后将目标用户的预设数量份人脸特征子秘密分发至目标服务器所属的目标区域内与目标服务器距离近的近邻服务器集合进行存储。该方法采用存储目标用户的预设数量份人脸特征子秘密的方式避免了人脸特征的明文存储，实现了对人脸特征的隐私保护。而且，该方法只需要将目标用户的预设数量份人脸特征子秘密分发至与目标服务器距离近的近邻服务器集合进行存储即可，并不需要利用目标区域内的所有服务器进行存储，如此不仅可以大大节约服务器存储资源，还可以避免目标用户的一份人脸特征被分为多个子秘密造成过量的数据冗余，也可以降低客户端因恢复人脸特征产生的计算压力，保证了客户端人脸识别的计算性能。而且，该方法中利用计算特征以及传输特征确定服务器之间距离的方式确定近邻服务器集合，如此可以保证用于存储各人脸特征子秘密的近邻服务器可以满足对客户端的响应需求，可以提高响应速度，提升用户体验。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的一种人脸特征隐私保护方法的流程示意图；
图2是本发明提供的一种人脸特征隐私保护方法中相邻周期的人脸特征子秘密迁移流程示意图；
图3是本发明提供的一种人脸特征隐私保护方法中计算性能的量化规则的流程示意图；
图4是本发明中提供的一种人脸识别方法的流程示意图；
图5是本发明中提供的一种人脸特征隐私保护装置的结构示意图；
图6是本发明中提供的一种人脸识别装置的结构示意图；
图7是本发明提供的一种电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
由于现有技术中将人脸数据进行秘密共享后的子秘密存储在所有参与方，这不仅会导致一份数据被拆分为过多子秘密，造成过量数据冗余，还需要获取较多参与方的子秘密才能恢复数据，会带来一定的计算压力。
为此，本发明实施例中提供了一种人脸特征隐私保护方法。
图1为本发明实施例中提供的人脸特征隐私保护方法的流程示意图，如图1所示，该方法应用于客户端所属的目标服务器，包括：
S11，接收所述客户端发送的目标用户的预设数量份人脸特征子秘密；
S12，将所述目标用户的预设数量份人脸特征子秘密分发至所述目标服务器所属的目标区域内与所述目标服务器距离近的近邻服务器集合进行存储；
其中，所述近邻服务器集合包括所述目标区域内与所述目标服务器距离近的所述预设数量个近邻服务器；所述目标服务器与所述目标区域内任一服务器之间的距离基于所述任一服务器的计算特征以及所述目标服务器与所述任一服务器之间的传输特征确定，所述计算特征为影响服务器计算时长的特征，所述传输特征为影响网络传输时长的特征。
具体地，本发明实施例中提供的人脸特征隐私保护方法，其执行主体为人脸特征隐私保护装置，该装置可以应用于客户端所属的目标服务器，即该装置可以配置于目标服务器内。该目标服务器可以是目标区域内的任一服务器，可以为边缘计算设备，属于目标区域内的一个参与方。该目标服务器与目标区域内的其他服务器通信连接，以实现信息共享。客户端与所属的目标服务器通信连接，该目标服务器可以用于为与之连接的客户端提供数据存储能力。
首先执行步骤S11，目标服务器接收客户端发送的目标用户的预设数量份人脸特征子秘密。此前，客户端可以采集目标用户的基准人脸信息，并进行人脸检测，提取基准人脸特征。该基准人脸信息可以是经核实的目标用户的人脸图像。此后，基于秘密分享同态算法，将该人脸特征分为预设数量k份人脸特征子秘密，预设数量k份人脸特征子秘密中至少需要目标数量t（t<k）份人脸特征子秘密才能恢复出对应的基准人脸特征。
此后，客户端可以将预设数量k份人脸特征子秘密发送至所属的目标服务器。该预设数量k为目标服务器与客户端事先约定好的小于目标区域内服务器个数n的数量。
然后执行步骤S12，将目标用户的预设数量k份人脸特征子秘密分发至目标区域内与目标服务器距离近的近邻服务器集合进行存储。在将目标用户的预设数量k份人脸特征子秘密进行分发时，每份人脸特征子秘密可以携带有目标用户的用户标识，目标用户的用户标识可以是用户ID，用于区分目标用户与其他用户，即不同用户的用户标识不同。
近邻服务器集合为预先确定的与目标服务器距离近的预设数量k个近邻服务器NN构成的集合，近邻服务器集合中每个近邻服务器NN可以存储目标用户的一份人脸特征子秘密。
可以理解的是，与目标服务器连接的客户端可以包括一个或多个，每个客户端均可以向近邻服务器集合发送一个或多个目标用户的预设数量份人脸特征子秘密，即每个目标用户均具有预设数量份人脸特征子秘密，近邻服务器集合中会存储有一个或多个目标用户的预设数量份人脸特征子秘密。
由于目标服务器对客户端发出的请求的响应时长主要受到网络传输时长和服务器计算时长等因素的影响，因此目标服务器与目标区域内任一服务器之间的距离，可以通过任一服务器的计算特征以及目标服务器与任一服务器之间的传输特征确定。该计算特征为影响服务器计算时长的特征，可以包括任一服务器的计算性能、类型以及可用存储空间等，类型可以包括虚拟机或物理机。该传输特征为影响网络传输时长的特征，可以包括目标服务器与任一服务器之间的网络带宽、通信距离以及吞吐量等。此处，计算特征与传输特征均可以由目标区域内各服务器根据各自的配置信息等通过协商、测试数据、专家经验等确定。
在确定目标服务器与目标区域内任一服务器之间的距离时，可以通过对任一服务器的计算特征以及目标服务器与任一服务器之间的传输特征进行加权求和的方式确定，即将任一服务器的计算特征以及目标服务器与任一服务器之间的传输特征的加权求和结果作为目标服务器与任一服务器之间的距离。
由于预设数量小于目标区域内的服务器个数，因此预设数量份人脸特征子秘密并不需要通过目标区域内的所有服务器进行存储，只需要选取与目标服务器距离近的近邻服务器集合进行存储即可，如此不仅可以大大节约服务器存储资源，还可以避免一份人脸特征被分为多个子秘密造成过量的数据冗余，降低客户端因恢复人脸特征产生的计算压力。
本发明实施例中提供的人脸特征隐私保护方法，应用于客户端所属的目标服务器，包括：接收客户端发送的目标用户的预设数量份人脸特征子秘密；将目标用户的预设数量份人脸特征子秘密分发至目标服务器所属的目标区域内与目标服务器距离近的近邻服务器集合进行存储。该方法采用存储预设数量份人脸特征子秘密的方式避免了人脸特征的明文存储，实现了对人脸特征的隐私保护。而且，该方法只需要将目标用户的预设数量份人脸特征子秘密分发至与目标服务器距离近的近邻服务器集合进行存储即可，并不需要利用目标区域内的所有服务器进行存储，如此不仅可以大大节约服务器存储资源，还可以避免目标用户的一份人脸特征被分为多个子秘密造成过量的数据冗余，也可以降低客户端因恢复人脸特征产生的计算压力，保证了客户端人脸识别的计算性能。而且，该方法中利用计算特征以及传输特征确定服务器之间距离的方式确定近邻服务器集合，如此可以保证用于存储目标用户的各人脸特征子秘密的近邻服务器可以满足目标服务器对客户端的响应需求，可以提高响应速度，提升用户体验。
在上述实施例的基础上，本发明实施例中提供的人脸特征隐私保护方法，所述将所述目标用户的预设数量份人脸特征子秘密分发至所述目标服务器所属的目标区域内与所述目标服务器距离近的近邻服务器集合进行存储，之后包括：
周期性地执行如下步骤：
对所述近邻服务器集合进行更新，并基于更新后的近邻服务器集合中存储的所述目标用户的人脸特征子秘密的份数，对所述目标用户的预设数量份人脸特征子秘密进行存储。
具体地，随着时间的推移，因网络升级、系统改造、硬件损耗等因素，与目标服务器距离近的近邻服务器会发生变化。为了充分利用最优资源，保障客户端的计算性能，本发明实施例中，将预设数量份人脸特征子秘密分发至近邻服务器集合进行存储之后，还可以周期性地对近邻服务器集合进行更新，并在每次对近邻服务器集合进行更新后，利用更新后的近邻服务器集合中存储的目标用户的人脸特征子秘密的份数，对目标用户的预设数量份人脸特征子秘密进行存储。例如，可以根据更新后的近邻服务器集合中存储的目标用户的人脸特征子秘密的份数，重新确定目标用户的预设数量份人脸特征子秘密的存储位置，并利用重新确定的存储位置对目标用户的预设数量份人脸特征子秘密一一进行存储。如此可以使存储目标用户的预设数量份人脸特征子秘密的服务器集合，能够始终保证目标服务器对与之连接的客户端具有较高的响应速度，进而保证客户端的计算性能。
其中，对近邻服务器集合进行更新的周期长短可以根据需要进行设置，例如可以是每天更新一次，也可以是每三天、每周或每月更新一次，具体更新时间也可以根据实际情况进行设定，例如可以是0点，此处不作具体限定。
在上述实施例的基础上，本发明实施例中提供的人脸特征隐私保护方法，所述对所述近邻服务器集合进行更新，并基于更新后的近邻服务器集合中存储的所述目标用户的人脸特征子秘密的份数，对所述目标用户的预设数量份人脸特征子秘密进行存储，具体包括：
对于当前周期，对上一周期的近邻服务器集合进行更新，确定当前近邻服务器集合；
若所述当前近邻服务器集合与当前存储有所述目标用户的预设数量份人脸特征子秘密的参考服务器集合不同，且所述当前近邻服务器集合中存储的所述目标用户的人脸特征子秘密的份数小于目标数量，则确定所述当前近邻服务器集合与所述参考服务器集合的第一差集以及所述参考服务器集合与所述当前近邻服务器集合的第二差集；
基于所述第二差集中各服务器到所述第一差集中各服务器之间的距离，确定所述第一差集中各服务器与所述第二差集中各服务器之间的迁移对应关系；
基于所述迁移对应关系，将所述第二差集中存储的人脸特征子秘密迁移至所述第一差集中。
具体地，本发明实施例中，在利用更新后的近邻服务器集合，对目标用户的预设数量份人脸特征子秘密进行存储时，涉及人脸特征子秘密从一个服务器迁移至另一个服务器的过程，为进一步保证对客户端具有较高的响应速度，降低迁移过程对响应速度的影响，需要确定迁移过程中服务器的迁移对应关系，即需要对哪个服务器上的人脸特征子秘密进行迁移，并将其迁移至哪个服务器。
对于当前周期T，对上一周期T-1的近邻服务器集合进行更新，确定当前近邻服务器集合。上一周期T-1的近邻服务器集合可以表示为，可以通过上一周期T-1的起始时刻目标区域内与目标服务器之间的距离近的预设数量k个服务器构成，当前近邻服务器集合可以表示为，可以通过当前周期T的起始时刻目标区域内与目标服务器之间的距离近的预设数量k个服务器构成。
若当前近邻服务器集合与当前存储了目标用户的预设数量份人脸特征子秘密的参考服务器集合不同，即，此时可以继续判断当前近邻服务器集合中存储的目标用户的人脸特征子秘密的份数是否小于预设数量t，若中存储的目标用户的人脸特征子秘密的份数小于预设数量t，说明目标服务器若要辅助客户端进行人脸识别，不仅需要与近邻服务器集合中各近邻服务器进行通信连接以获取其中存储的目标用户的人脸特征子秘密，还需要与目标区域内的其他服务器进行通信连接获取其中存储的目标用户的人脸特征子秘密，如此才能获取到足够特征重构用的人脸特征子秘密。而目标服务器与目标区域内的其他服务器进行通信连接，则将延长通信时长，降低目标服务器对客户端的响应效率。
因此，此时需要确定当前近邻服务器集合与参考服务器集合的第一差集以及参考服务器集合与当前周期T的近邻服务器集合的第二差集。
此后，根据第二差集中各服务器到第一差集中各服务器之间的距离，确定出第一差集中各服务器与第二差集中各服务器之间的迁移对应关系。
例如，可以根据第二差集中各服务器到第一差集中各服务器之间的距离，确定第二差集到第一差集中综合距离最短的服务器组合，确定该服务器组合即得到迁移对应关系。
例如k=5，目标用户user1的人脸特征子秘密的存储位置信息为，，其中均为目标区域内的服务器标识，则有，。
第二差集中各服务器到第一差集中各服务器之间的距离，可以构成如下子距离矩阵subD：
。
由上述距离矩阵subD可知，第二差集到第一差集中综合距离最短的服务器组合为。进而，得到迁移对应关系为。
此后，根据确定的迁移对应关系，将第二差集中存储的目标用户的人脸特征子秘密迁移至第一差集中，即将中存储的目标用户的人脸特征子秘密迁移至中，将中存储的目标用户的人脸特征子秘密迁移至中，将中存储的目标用户的人脸特征子秘密迁移至中。
本发明实施例中，通过计算相邻周期的近邻服务器集合的两个差集，并基于两个差集中各服务器之间的距离，确定出迁移对应关系，进而实现迁移，充分利用了目标区域内所有服务器的最优资源组合，可以简化迁移的流程，提高迁移效率，进而提高存储效率。在此基础上，还可以提高目标服务器对客户端的响应效率。
在上述实施例的基础上，本发明实施例中提供的人脸特征隐私保护方法，所述将所述目标用户的预设数量份人脸特征子秘密分发至所述目标服务器所属的目标区域内与所述目标服务器距离近的近邻服务器集合进行存储，之后还包括：
记录所述目标用户的预设数量份人脸特征子秘密的存储位置信息；
相应地，所述基于所述迁移对应关系，将所述第二差集中存储的目标用户的人脸特征子秘密迁移至所述第一差集中，包括：
基于所述迁移对应关系，将所述第二差集中存储的目标用户的人脸特征子秘密复制到所述第一差集中；
对所述目标用户的预设数量份人脸特征子秘密的存储位置信息进行更新；
删除所述第二差集中存储的目标用户的人脸特征子秘密。
具体地，在将目标用户的预设数量份人脸特征子秘密分发至目标服务器所属的目标区域内与目标服务器距离近的近邻服务器集合进行存储之后，目标服务器还可以记录目标用户的预设数量份人脸特征子秘密的存储位置信息，以便于对目标用户的各人脸特征子秘密进行追踪。
进而，在周期性地对近邻服务器集合进行更新，并基于更新后的近邻服务器集合，对目标用户的预设数量份人脸特征子秘密进行存储的过程中，还可以先根据迁移对应关系，将第二差集中存储的目标用户的人脸特征子秘密复制到第一差集中。
此后更新目标用户的预设数量份人脸特征子秘密的存储位置信息。最后删除第二差集中存储的目标用户的人脸特征子秘密。
如图2所示，上一周期T-1，中存储的目标用户user1的人脸特征子秘密为，中存储的目标用户user1的人脸特征子秘密为，中存储的目标用户user1的人脸特征子秘密为，中存储的目标用户user1的人脸特征子秘密为，中存储的目标用户user1的人脸特征子秘密为，记录的目标用户user1的预设数量份人脸特征子秘密的存储位置信息为。
当前周期T，将中存储的复制到中，中存储的复制到中，中存储的复制到中。此后，更新目标用户user1的预设数量份人脸特征子秘密的存储位置信息，更新后的存储位置信息为。
此后，删除中存储的、中存储的以及中存储的，最终当前周期T对应存储有、、、以及的服务器分别为、、、以及。
本发明实施例中，通过复制后删除的操作实现迁移，不仅可以节约存储资源，还可以避免因故障更新失败导致记录的存储位置信息对应的存储位置没有人脸特征子秘密的情况出现，保证对客户端的准确响应。
在上述实施例的基础上，本发明实施例中提供的人脸特征隐私保护方法，所述目标服务器与所述目标区域内的任一服务器之间的距离基于如下步骤确定：
将所述任一服务器的计算特征以及所述目标服务器与所述任一服务器之间的传输特征分别进行量化；
对量化后的计算特征以及量化后的传输特征进行加权求和，得到所述目标服务器与所述任一服务器之间的距离。
具体地，本发明实施例中，在计算目标服务器与目标区域内的任一服务器之间的距离时，可以先将任一服务器的计算特征以及目标服务器与任一服务器之间的传输特征分别进行量化，即将计算特征与传输特征采用统一的量化规则进行量化表示，以便于结合进行距离的计算。量化规则可以由目标区域内各服务器根据各自的配置信息等通过协商、测试数据、专家经验等确定。
如图3所示，以任一服务器Pj的计算性能为例，该计算性能的量化规则可以设置为：
确定任一服务器Pj的CPU核数，若该CPU核数小于16C，则将任一服务器Pj的计算性能量化为“1”；若该CPU核数大于等于16C且小于32C，则确定任一服务器Pj的内存，若该内存小于64GB，则将任一服务器Pj的计算性能量化为“4”，若该内存大于等于64GB且小于128GB，则将任一服务器Pj的计算性能量化为“6”，若该内存大于等于128GB，则将任一服务器Pj的计算性能量化为“7”；若该CPU核数大于等于32C，则确定任一服务器Pj的内存，若该内存小于128GB，则将任一服务器Pj的计算性能量化为“9”，若该内存大于等于128GB，则将任一服务器Pj的计算性能量化为“10”。
此后，可以对量化后的计算特征以及量化后的传输特征进行加权求和，即得到目标服务器Pi与任一服务器Pj之间的距离。若计算特征与传输特征共有 f个，则计算特征与传输特征经量化后得到的量化结果可以统一表示为。此时有：
。
其中，为目标服务器Pi与任一服务器Pj之间的距离，为对应的权重，可以由目标区域内各服务器根据各自的配置信息等通过协商、测试数据、专家经验等确定。
在上述实施例的基础上，本发明实施例中提供的人脸特征隐私保护方法，所述对量化后的计算特征以及量化后的传输特征进行加权求和，得到所述目标服务器与所述任一服务器之间的距离，之后包括：
基于所述目标服务器与所述目标区域内各服务器之间的距离，构建距离矩阵。
具体地，若目标区域内服务器个数为n，则对于目标服务器Pi，算上自身与自身的距离，共可以得到n个距离。将n个距离按由小到大的顺序进行排序，即可得到前预设数量k个近邻服务器。
此后，将目标区域内的每个服务器均作为目标服务器，共可以得到n×n个距离，n×n个距离可以构成距离矩阵。
该距离矩阵可以表示为：
。
进而，若有计算特征或传输特征发生变化，重新计算受这些变化特征影响的服务器之间的距离，更新距离矩阵，此后可以直接通过更新后的距离矩阵确定新的近邻服务器集合，并可以从更新后的距离矩阵中提取子距离矩阵subD。
在上述实施例的基础上，本发明实施例中提供的人脸特征隐私保护方法，周期性地对近邻服务器集合进行更新，并基于更新后的近邻服务器集合，对预设数量份人脸特征子秘密进行存储的过程，具体可以包括：
1）开始第T个周期的定时任务；
2）更新目标区域内各服务器的计算特征量化值、各服务器之间的传输特征量化值和距离矩阵；
3）目标服务器Pi计算预设数量k个近邻服务器构成的近邻服务器组；
4）对比与上一周期的近邻服务器集合，若，转至6）；若，转至5）；
5）目标服务器Pi判断是否存在目标用户有大于等于目标数量t份人脸特征子秘密不在，即目标服务器Pi判断中存储的目标用户的人脸特征子秘密的份数是否小于目标数量t，并记目标用户的预设数量份人脸特征子秘密的当前存储位置为参考服务器集合；
I）若存在目标用户有大于等于目标数量t份人脸特征子秘密不在，即中存储的目标用户的人脸特征子秘密的份数小于目标数量t，则从距离矩阵中提取到的子距离矩阵subD，计算获得到最优的两两组合，即满足两两组合距离之和（综合距离）最短的服务器组合；
II）将在上存储的目标用户的人脸特征子秘密按照I）计算的服务器组合复制到上；
III）目标服务器Pi更新目标用户的人脸特征子秘密的存储位置为；
IV）目标服务器Pi删除在存储的目标用户的人脸特征子秘密；
V）若不存在目标用户有大于等于目标数量t份人脸特征子秘密不在，即中存储的目标用户的人脸特征子秘密的份数大于等于目标数量t，转至6）；
6）等待满足周期性的执行条件后，T=T+1，转至1），执行下一周期T+1的定时任务。
如图4所示，在上述实施例的基础上，本发明实施例中还提供了一种人脸识别方法，应用于客户端，包括：
S41，采集目标用户的待识别人脸特征，并向所属的目标服务器发送特征查询请求；
S42，接收所述目标服务器返回的所述目标用户的目标数量份人脸特征子秘密，并基于所述目标用户的目标数量份人脸特征子秘密，得到所述目标用户的基准人脸特征；
S43，基于所述待识别人脸特征与所述基准人脸特征，确定所述待识别人脸特征的识别结果。
具体地，本发明实施例中提供的人脸识别方法，其执行主体为人脸识别装置，该装置可以应用于客户端，即该装置可以配置于客户端内。该客户端可以属于目标区域内的目标服务器，该目标服务器可以是目标区域内的任一服务器，可以为边缘计算设备，属于目标区域内的一个参与方。该目标服务器与目标区域内的其他服务器通信连接，以实现信息共享。客户端与所属的目标服务器通信连接，该目标服务器可以用于为与之连接的客户端提供数据存储能力。
首先执行步骤S41，采集目标用户的待识别人脸特征，可以先采集目标用户的待识别人脸信息，进行人脸检测，得到目标用户的待识别人脸特征。该待识别人脸信息可以是目标用户的待识别人脸图像。
该待识别人脸特征是指需要判断是否属于目标用户的人脸特征。此后向所属的目标服务器发送特征查询请求，该特征查询请求可以携带有目标用户的用户标识，该用户标识可以是用户ID。
然后执行步骤S42，接收目标服务器返回的目标用户的目标数量份人脸特征子秘密，目标服务器在接收到特征查询请求之后，可以先读取目标用户的人脸特征子秘密的存储位置信息，并向存储位置信息对应的各服务器发送子秘密读取请求，当有目标数量t份人脸特征子秘密返回时，将t份人脸特征子秘密发送至客户端。客户端则根据目标数量t份人脸特征子秘密，采用秘密分享同态算法，对人脸特征子秘密进行解码，得到目标用户的基准人脸特征。该基准人脸特征可以认为是目标用户的人脸特征，用于进行目标用户的人脸识别。
最后执行步骤S43，根据待识别人脸特征与基准人脸特征，确定出待识别人脸特征的识别结果。此处，可以将待识别人脸特征与基准人脸特征进行对比，若二者一致，则识别结果为待识别人脸特征是目标用户的人脸特征，若二者不一致，则识别结果为待识别人脸特征不是目标用户的人脸特征。
本发明实施例中提供的人脸识别方法，应用于客户端，首先采集目标用户的待识别人脸特征，并向所属的目标服务器发送特征查询请求；然后接收目标服务器返回的目标用户的目标数量份人脸特征子秘密，并基于目标数量份人脸特征子秘密，得到目标用户的基准人脸特征；最后基于待识别人脸特征与基准人脸特征，确定出待识别人脸特征的识别结果。该方法只需要对目标数量份人脸特征子秘密进行解密，可以大大降低识别的计算压力，提高识别效率。
在上述实施例的基础上，本发明实施例中提供的人脸识别方法，所述采集目标用户的待识别人脸特征，并向所属的目标服务器发送特征查询请求，之前包括：
采集所述目标用户的基准人脸特征；
将所述基准人脸特征分为所述目标用户的预设数量份人脸特征子秘密，并将所述目标用户的预设数量份人脸特征子秘密发送至所述目标服务器。
具体地，本发明实施例中，客户端在采集目标用户的待识别人脸特征之前，需先采集目标用户的基准人脸信息，并进行人脸检测，提取目标用户的基准人脸特征，然后可以利用秘密分享同态算法，将该人脸特征分为预设数量k份人脸特征子秘密，预设数量k份人脸特征子秘密中至少需要目标数量t（t<k）份人脸特征子秘密才能恢复出对应的人脸特征。
此后，客户端可以将预设数量k份人脸特征子秘密发送至所属的目标服务器。该预设数量k为目标服务器与客户端事先约定好的小于目标区域内服务器个数n的数量。
本发明实施例中，客户端仅将基准人脸特征分为预设数量份人脸特征子秘密，可以大大降低数据冗余，解决了客户端所属的目标服务器的存储资源，也为后续人脸识别效率的提高打下基础。
综上所述，本发明实施例中提供的人脸特征隐私保护方法，客户端与所属的目标服务器的操作步骤包括：
客户端采集目标用户的基准人脸信息，进行人脸检测，提取目标用户的基准人脸特征；
客户端对人脸特征根据（t，k）门限秘密分享同态算法（其中，k为预设数量，表示人脸特征被分为的人脸特征子秘密的份数，t为目标数量，表示至少t份人脸特征子秘密才能恢复出基准人脸特征）分为k份人脸特征子秘密发送给所属的目标服务器。
目标服务器读取k个近邻服务器，将k份人脸特征子秘密分发到k个近邻服务器进行存储，同时记录k份人脸特征子秘密的存储位置信息。
本发明实施例中提供的人脸识别方法，客户端与所属的目标服务器的操作步骤包括：
客户端采集目标用户的待识别人脸信息，进行人脸检测，提取待识别人脸特征，并向所属的目标服务器发送特征查询请求。
目标服务器根据特征查询请求携带的目标用户的用户标识，读取目标用户的人脸特征子秘密的存储位置信息，并向存储位置信息对应的各服务器发送子秘密读取请求，当有目标数量t份人脸特征子秘密返回时，将目标数量t份人脸特征子秘密返送到客户端。
客户端对接收到的目标数量t份人脸特征子秘密进行秘密重构恢复出基准人脸特征，与采集的待识别人脸特征进行比对，得到识别结果。
如图5所示，在上述实施例的基础上，本发明实施例中提供了一种人脸特征隐私保护装置，应用于客户端所属的目标服务器，包括：
第一接收模块51，用于接收所述客户端发送的目标用户的预设数量份人脸特征子秘密；
分发模块52，用于将所述目标用户的预设数量份人脸特征子秘密分发至所述目标服务器所属的目标区域内与所述目标服务器距离近的近邻服务器集合进行存储；
其中，所述近邻服务器集合包括所述目标区域内与所述目标服务器距离近的所述预设数量个近邻服务器；所述目标服务器与所述目标区域内任一服务器之间的距离基于所述任一服务器的计算特征以及所述目标服务器与所述任一服务器之间的传输特征确定，所述计算特征为影响服务器计算时长的特征，所述传输特征为影响网络传输时长的特征。
在上述实施例的基础上，本发明实施例中提供的人脸特征隐私保护装置，还包括更新模块，用于：
周期性地执行如下步骤：
对所述近邻服务器集合进行更新，并基于更新后的近邻服务器集合中存储的所述目标用户的人脸特征子秘密的份数，对所述目标用户的预设数量份人脸特征子秘密进行存储。
在上述实施例的基础上，本发明实施例中提供的人脸特征隐私保护装置，所述更新模块，具体用于：
对于当前周期，对上一周期的近邻服务器集合进行更新，确定当前近邻服务器集合；
若所述当前近邻服务器集合与当前存储有所述目标用户的预设数量份人脸特征子秘密的参考服务器集合不同，且所述当前近邻服务器集合中存储的所述目标用户的人脸特征子秘密的份数小于目标数量，则确定所述当前近邻服务器集合与所述参考服务器集合的第一差集以及所述参考服务器集合与所述当前近邻服务器集合的第二差集；
基于所述第二差集中各服务器到所述第一差集中各服务器之间的距离，确定所述第一差集中各服务器与所述第二差集中各服务器之间的迁移对应关系；
基于所述迁移对应关系，将所述第二差集中存储的人脸特征子秘密迁移至所述第一差集中。
在上述实施例的基础上，本发明实施例中提供的人脸特征隐私保护装置，还包括记录模块，用于：
记录所述目标用户的预设数量份人脸特征子秘密的存储位置信息；
相应地，所述更新模块，具体用于：
基于所述迁移对应关系，将所述第二差集中存储的所述目标用户的人脸特征子秘密复制到所述第一差集中；
对所述目标用户的预设数量份人脸特征子秘密的存储位置信息进行更新；
删除所述第二差集中存储的所述目标用户的人脸特征子秘密。
在上述实施例的基础上，本发明实施例中提供的人脸特征隐私保护装置，还包括距离确定模块，用于：
将所述任一服务器的计算特征以及所述目标服务器与所述任一服务器之间的传输特征分别进行量化；
对量化后的计算特征以及量化后的传输特征进行加权求和，得到所述目标服务器与所述任一服务器之间的距离。
具体地，本发明实施例中提供的人脸特征隐私保护装置中各模块的作用与上述方法类实施例中各步骤的操作流程是一一对应的，实现的效果也是一致的，具体参见上述实施例，本发明实施例中对此不再赘述。
如图6所示，在上述实施例的基础上，本发明实施例中提供了一种人脸识别装置，应用于客户端，包括：
采集模块61，用于采集目标用户的待识别人脸特征，并向所属的目标服务器发送特征查询请求；
第二接收模块62，用于接收所述目标服务器返回的所述目标用户的目标数量份人脸特征子秘密，并基于所述目标用户的目标数量份人脸特征子秘密，得到所述目标用户的基准人脸特征；
识别模块63，用于基于所述待识别人脸特征与所述基准人脸特征，确定所述目标用户的识别结果。
在上述实施例的基础上，本发明实施例中提供的人脸识别装置，所述采集模块还用于：采集所述目标用户的基准人脸特征；
还包括发送模块，用于：
将所述基准人脸特征分为预设数量份人脸特征子秘密，并将所述目标用户的预设数量份人脸特征子秘密发送至所述目标服务器。
具体地，本发明实施例中提供的人脸识别装置中各模块的作用与上述方法类实施例中各步骤的操作流程是一一对应的，实现的效果也是一致的，具体参见上述实施例，本发明实施例中对此不再赘述。
图7示例了一种电子设备的实体结构示意图，如图7所示，该电子设备可以包括：处理器（Processor）710、通信接口（Communications Interface）720、存储器（Memory）730和通信总线740，其中，处理器710，通信接口720，存储器730通过通信总线740完成相互间的通信。处理器710可以调用存储器730中的逻辑指令，以执行上述各实施例中提供的人脸特征隐私保护方法或人脸识别方法。
此外，上述的存储器730中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（Read-Only Memory，ROM）、随机存取存储器（Random Access Memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各实施例中提供的人脸特征隐私保护方法或人脸识别方法。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例中提供的人脸特征隐私保护方法或人脸识别方法。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (5)

1.一种人脸特征隐私保护方法，其特征在于，应用于客户端所属的目标服务器，包括：
接收所述客户端发送的目标用户的预设数量份人脸特征子秘密；
将所述目标用户的预设数量份人脸特征子秘密分发至所述目标服务器所属的目标区域内与所述目标服务器距离近的近邻服务器集合进行存储；
其中，所述近邻服务器集合包括所述目标区域内与所述目标服务器距离近的所述预设数量个近邻服务器；所述目标服务器与所述目标区域内任一服务器之间的距离基于所述任一服务器的计算特征以及所述目标服务器与所述任一服务器之间的传输特征确定，所述计算特征为影响服务器计算时长的特征，所述传输特征为影响网络传输时长的特征；
所述将所述目标用户的预设数量份人脸特征子秘密分发至所述目标服务器所属的目标区域内与所述目标服务器距离近的近邻服务器集合进行存储，之后包括：
周期性地执行如下步骤：
对所述近邻服务器集合进行更新，并基于更新后的近邻服务器集合中存储的所述目标用户的人脸特征子秘密的份数，对所述目标用户的预设数量份人脸特征子秘密进行存储；
所述对所述近邻服务器集合进行更新，并基于更新后的近邻服务器集合中存储的所述目标用户的人脸特征子秘密的份数，对所述目标用户的预设数量份人脸特征子秘密进行存储，具体包括：
对于当前周期，对上一周期的近邻服务器集合进行更新，确定当前近邻服务器集合；
若所述当前近邻服务器集合与当前存储有所述目标用户的预设数量份人脸特征子秘密的参考服务器集合不同，且所述当前近邻服务器集合中存储的所述目标用户的人脸特征子秘密的份数小于目标数量，则确定所述当前近邻服务器集合与所述参考服务器集合的第一差集以及所述参考服务器集合与所述当前近邻服务器集合的第二差集；
基于所述第二差集中各服务器到所述第一差集中各服务器之间的距离，确定所述第二差集到所述第一差集中综合距离最短的服务器组合，进而确定所述第一差集中各服务器与所述第二差集中各服务器之间的迁移对应关系；
基于所述迁移对应关系，将所述第二差集中存储的人脸特征子秘密迁移至所述第一差集中。
2.根据权利要求1所述的人脸特征隐私保护方法，其特征在于，所述将所述目标用户的预设数量份人脸特征子秘密分发至所述目标服务器所属的目标区域内与所述目标服务器距离近的近邻服务器集合进行存储，之后还包括：
记录所述目标用户的预设数量份人脸特征子秘密的存储位置信息；
相应地，所述基于所述迁移对应关系，将所述第二差集中存储的人脸特征子秘密迁移至所述第一差集中，包括：
基于所述迁移对应关系，将所述第二差集中存储的所述目标用户的人脸特征子秘密复制到所述第一差集中；
对所述目标用户的预设数量份人脸特征子秘密的存储位置信息进行更新；
删除所述第二差集中存储的所述目标用户的人脸特征子秘密。
3.根据权利要求1-2中任一项所述的人脸特征隐私保护方法，其特征在于，所述目标服务器与所述目标区域内的任一服务器之间的距离基于如下步骤确定：
将所述任一服务器的计算特征以及所述目标服务器与所述任一服务器之间的传输特征分别进行量化；
对量化后的计算特征以及量化后的传输特征进行加权求和，得到所述目标服务器与所述任一服务器之间的距离。
4.一种人脸特征隐私保护装置，其特征在于，应用于客户端所属的目标服务器，包括：
第一接收模块，用于接收所述客户端发送的目标用户的预设数量份人脸特征子秘密；
分发模块，用于将所述目标用户的预设数量份人脸特征子秘密分发至所述目标服务器所属的目标区域内与所述目标服务器距离近的近邻服务器集合进行存储；
其中，所述近邻服务器集合包括所述目标区域内与所述目标服务器距离近的所述预设数量个近邻服务器；所述目标服务器与所述目标区域内任一服务器之间的距离基于所述任一服务器的计算特征以及所述目标服务器与所述任一服务器之间的传输特征确定，所述计算特征为影响服务器计算时长的特征，所述传输特征为影响网络传输时长的特征；
还包括更新模块，用于：
周期性地执行如下步骤：
对所述近邻服务器集合进行更新，并基于更新后的近邻服务器集合中存储的所述目标用户的人脸特征子秘密的份数，对所述目标用户的预设数量份人脸特征子秘密进行存储；
所述更新模块，具体用于：
对于当前周期，对上一周期的近邻服务器集合进行更新，确定当前近邻服务器集合；
若所述当前近邻服务器集合与当前存储有所述目标用户的预设数量份人脸特征子秘密的参考服务器集合不同，且所述当前近邻服务器集合中存储的所述目标用户的人脸特征子秘密的份数小于目标数量，则确定所述当前近邻服务器集合与所述参考服务器集合的第一差集以及所述参考服务器集合与所述当前近邻服务器集合的第二差集；
基于所述第二差集中各服务器到所述第一差集中各服务器之间的距离，确定所述第二差集到所述第一差集中综合距离最短的服务器组合，进而确定所述第一差集中各服务器与所述第二差集中各服务器之间的迁移对应关系；
基于所述迁移对应关系，将所述第二差集中存储的人脸特征子秘密迁移至所述第一差集中。
5.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-3中任一项所述的人脸特征隐私保护方法。
CN202211618798.7A 2022-12-16 2022-12-16 人脸特征隐私保护方法、人脸识别方法及装置 Active CN115631529B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211618798.7A CN115631529B (zh) 2022-12-16 2022-12-16 人脸特征隐私保护方法、人脸识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211618798.7A CN115631529B (zh) 2022-12-16 2022-12-16 人脸特征隐私保护方法、人脸识别方法及装置

Publications (2)

Publication Number Publication Date
CN115631529A CN115631529A (zh) 2023-01-20
CN115631529B true CN115631529B (zh) 2023-04-28

Family

ID=84911077

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211618798.7A Active CN115631529B (zh) 2022-12-16 2022-12-16 人脸特征隐私保护方法、人脸识别方法及装置

Country Status (1)

Country Link
CN (1) CN115631529B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105869015A (zh) * 2016-03-28 2016-08-17 联想(北京)有限公司 一种信息处理方法及系统
CN106487910A (zh) * 2016-10-26 2017-03-08 苏州大学 一种内容分发网络创建方法
CN108446680A (zh) * 2018-05-07 2018-08-24 西安电子科技大学 一种基于边缘计算的人脸认证系统中的隐私保护方法
CN108632237A (zh) * 2017-09-15 2018-10-09 湖南科技大学 一种基于多匿名器匿名的位置服务方法
CN109461065A (zh) * 2018-10-17 2019-03-12 浙江医药高等专科学校 一种跨境电子商务视频安全监控系统及控制方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI704793B (zh) * 2019-02-27 2020-09-11 財團法人工業技術研究院 物件共享系統及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105869015A (zh) * 2016-03-28 2016-08-17 联想(北京)有限公司 一种信息处理方法及系统
CN106487910A (zh) * 2016-10-26 2017-03-08 苏州大学 一种内容分发网络创建方法
CN108632237A (zh) * 2017-09-15 2018-10-09 湖南科技大学 一种基于多匿名器匿名的位置服务方法
CN108446680A (zh) * 2018-05-07 2018-08-24 西安电子科技大学 一种基于边缘计算的人脸认证系统中的隐私保护方法
CN109461065A (zh) * 2018-10-17 2019-03-12 浙江医药高等专科学校 一种跨境电子商务视频安全监控系统及控制方法

Also Published As

Publication number Publication date
CN115631529A (zh) 2023-01-20

Similar Documents

Publication Publication Date Title
CN112288097B (zh) 联邦学习数据处理方法、装置、计算机设备及存储介质
CN110115001B (zh) 促进实用拜占庭容错区块链共识和节点同步
US10467490B2 (en) User identity verification method, apparatus and system
CN108701136B (zh) 用于提供基于区块链的多因素个人身份验证的系统和方法
US9762572B2 (en) Smartcard formation with authentication
US9081948B2 (en) Configurable smartcard
CN112001502B (zh) 高延时网络环境鲁棒的联邦学习训练方法及装置
CN105007302B (zh) 一种移动终端数据存储方法
CN104836862B (zh) 一种智能终端数据存储方法
CN109359601A (zh) 身份验证识别方法、电子装置及计算机可读存储介质
US11627122B2 (en) Inter-system linking method and node
CN111612167A (zh) 机器学习模型的联合训练方法、装置、设备及存储介质
US20240037252A1 (en) Methods and apparatuses for jointly updating service model
CN108805538A (zh) 一种数字货币交易方法和装置
JPWO2016043120A1 (ja) 情報処理装置及び協調分散保存システム
CN112990276A (zh) 基于自组织集群的联邦学习方法、装置、设备及存储介质
CN112822239A (zh) 一种区块链共识方法、装置、电子设备及存储介质
KR20190143520A (ko) 생체정보 인식 기반의 데이터 최적화를 위한 오브젝트 스토리지 클라우드 시스템
CN112418863B (zh) 客户端、云端服务器及其身份识别方法、系统以及计算机存储介质
CN115631529B (zh) 人脸特征隐私保护方法、人脸识别方法及装置
CN104836816B (zh) 一种移动设备数据存储方法
CN112035458A (zh) 数据隔离方法、装置和设备
CN111049921A (zh) 基于区块链技术的图像处理系统、方法、装置及存储介质
US11937090B1 (en) Provenance based risk scoring for mobile devices
CN116827520B (zh) 一种基于web3技术的分布式身份认证系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant